-
公开(公告)号：CN109508734B
公开(公告)日：2022-03-11
申请号：CN201811257830.7
申请日：2018-10-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于谱聚类的路网能力瓶颈识别方法。该方法包括：根据铁路网的物理拓扑结构，构建铁路服务网络；生成所述铁路服务网络的邻接矩阵，根据所述邻接矩阵计算出所述铁路服务网络的拉普拉斯矩阵；对所述拉普拉斯矩阵进行标准化，计算出标准化后的拉普拉斯矩阵的特征值和特征向量，根据所述特征值和特征向量划分所述铁路服务网络的群落，将不同铁路服务网络的群落之间的边集识别为所述铁路服务网络的能力瓶颈路段。本发明从路网拓扑理论角度，辨识路网能力瓶颈，避免OD需求矩阵数据缺失不准确和多次交通分配的问题，同时能够适应突发事件发生和新建线路接入路网情况下的路网能力瓶颈辨识，实用性好，具有重大的使用价值与推广意义。
-
公开(公告)号：CN110309550B
公开(公告)日：2021-06-22
申请号：CN201910495102.8
申请日：2019-06-10
Applicant: 北京交通大学 , 中车青岛四方机车车辆股份有限公司
IPC: G06F30/18 , G06F30/13 , G06F119/02
Abstract: 本发明提供了一种基于势能场与网络效率的高速列车系统可靠性分析方法，该方法具体步骤如下：首先，分析高速列车系统拓扑结构特点，并基于复杂网络理论建立高速列车系统网络模型；其次，基于高速列车复杂网络模型与势能场理论，分析高速列车系统故障传播的整个动态过程，得到系统故障每步传播失效部件；最后，在高速列车系统故障传播的基础上，基于网络效率相关指标动态分析高速列车系统可靠性。本发明结合列车系统故障传播与系统网络效率等相关指标分析高速列车系统可靠性，能够动态逐步的分析高速列车系统可靠性变化规律，为运营维护人员重点维护任务提供了理论支持。
-
公开(公告)号：CN110555230B
公开(公告)日：2021-02-26
申请号：CN201910630036.0
申请日：2019-07-12
Applicant: 北京交通大学
IPC: G06F30/17 , G06F30/20 , G06N3/08 , G06N3/04 , G06F119/04
Abstract: 本发明公开了一种基于集成GMDH框架的旋转机械剩余寿命预测方法，所述方法包括以下步骤：S1，采集多个同一种类旋转机械从正常运行到故障失效过程中的多个传感器数据，通过数据处理，得到训练数据集合W；S2，将数据集通过不同的划分，分别用于构建三个具有差异性的GMDH预测网络；S3，将三个GMDH网络在训练样本上的预测输出作为三层BP神经网络的输入对BP神经网络进行训练，该BP神经网络用于对三个GMDH网络的预测结果进行集成；S4，利用所述集成GMDH框架对旋转机械剩余寿命进行预测，计算并输出剩余寿命预测值。本发明与经典的LSTM网络和单个GMDH网络相比，能有效提高预测精度和泛化能力，具有更大的实际指导意义。
-
公开(公告)号：CN109508734A
公开(公告)日：2019-03-22
申请号：CN201811257830.7
申请日：2018-10-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于谱聚类的路网能力瓶颈识别方法。该方法包括：根据铁路网的物理拓扑结构，构建铁路服务网络；生成所述铁路服务网络的邻接矩阵，根据所述邻接矩阵计算出所述铁路服务网络的拉普拉斯矩阵；对所述拉普拉斯矩阵进行标准化，计算出标准化后的拉普拉斯矩阵的特征值和特征向量，根据所述特征值和特征向量划分所述铁路服务网络的群落，将不同铁路服务网络的群落之间的边集识别为所述铁路服务网络的能力瓶颈路段。本发明从路网拓扑理论角度，辨识路网能力瓶颈，避免OD需求矩阵数据缺失不准确和多次交通分配的问题，同时能够适应突发事件发生和新建线路接入路网情况下的路网能力瓶颈辨识，实用性好，具有重大的使用价值与推广意义。
-
公开(公告)号：CN105426651B
公开(公告)日：2019-03-15
申请号：CN201510316559.X
申请日：2015-06-10
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于复合故障链推理的隐患辨识方法。该方法包括：复合故障因果链模型的参数进行训练，选取历史故障数据作为输入得出故障源排序集合，若真实故障源不在故障源排序集合内，则对复合故障因果链模型进行机理分析，增加通向真实故障源的链路集；若真实故障源在故障源排序集合内，则对真实故障源以及故障传播路径增加概率奖励因子，对复合故障因果链模型的初始值做修正。本发明实施例基于先验知识和机理分析找出该系统的故障模式和系统内部信息传输失衡的根源，确定结构故障点，可以在列车车门系统未报出故障时，先给出预警信息，对于系统安全运行以及合理维护都有重要的指示作用。
-
Patent Agency Ranking
公开(公告)号：CN109242209A
公开(公告)日：2019-01-18
申请号：CN201811191236.2
申请日：2018-10-12
Applicant: 北京交通大学
IPC: G06Q10/04 , G06Q50/30 , G06F16/28 , G06F16/215
Abstract: 本发明提供了一种基于K-means聚类的铁路突发事件分级预警方法。该方法包括：对历史铁路突发事件影响数据进行特征分析与数据清洗，获取训练数据集；确定聚类中心数，基于K-means算法对所述训练数据集进行聚类，根据聚类结果获取各级铁路突发事件的样本数据特征；将当前铁路突发事件的数据特征与所述各级铁路突发事件的样本数据特征进行比较，根据比较结果确定所述当前铁路突发事件的突发事件等级。本发明的方法采用数据挖掘机器学习理论，避免主观决策，对铁路突发事件影响动态定量评估分级。实验结果表明该方法能够合理有效解决突发事件影响分级预警，实用性好。
-
公开(公告)号：CN106326929A
公开(公告)日：2017-01-11
申请号：CN201610718350.0
申请日：2016-08-24
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6227 , G06K9/6256 , G06K9/6267
Abstract: 本发明公布了一种新的轨道列车走行部滚动轴承故障诊断方法，通过提出基于指数平滑预测的滑动时间窗分割算法，实现局部频谱的特征提取，结合改进的Adaboost算法，对轨道交通列车走行部转向架滚动轴承进行故障诊断。利用本发明提供的技术方案，可以有效地对轨道列车走行部非线性非平稳实时振动数据进行分割，并由此构建局部频谱图，选取局部频谱区间的中间点频率作为该样本的特征向量，为分类器提供了更加准确的输入，在滚动轴承故障诊断方面有很高的准确性，有效地保证故障分类的准确性，解决了现有方法准确率低、故障分类难的问题。
-
公开(公告)号：CN104239694B
公开(公告)日：2016-11-23
申请号：CN201410431294.3
申请日：2014-08-28
Applicant: 北京交通大学
IPC: G06F19/00
Abstract: 本发明提供一种城轨列车转向架的故障预测与视情维修方法，采用基于生存分析的方法确定转向架的构架、弹簧装置、连接装置、轮对和轴箱、驱动机构、基础制动装置的最佳寿命分布模型，并得出各子系统的可靠性特征函数，然后采用进化算法优化的神经网络模型对转向架各子系统的故障率进行计算。最后，将转向架各子系统的故障率和安全运营天数作为协变量进行比例风险模型建模，在成本优化的基础上，得出转向架系统视情维修的阈值和控制限。
-
公开(公告)号：CN105957057A
公开(公告)日：2016-09-21
申请号：CN201610248886.0
申请日：2016-04-20
Applicant: 北京交通大学
CPC classification number: G06T5/002 , G06T2207/10016 , G06T2207/20036 , G06T2207/30192 , G06T2207/30242
Abstract: 本发明公开了一种基于视频分析的实时降雪强度估计方法，提出了实时降雪强度分析方法，方法主要包括区域划分、单个区域雪粒子检测、雪粒子检测有效性判断、全局雪粒子推算、实时降雪强度估计五个部分。通过实验发现，本方法可以有效的识别下落雪粒子的分布情况，计算实时性较好，方便和现有视频监控系统结合，具有很强的实用价值。
-
公开(公告)号：CN104239694A
公开(公告)日：2014-12-24
申请号：CN201410431294.3
申请日：2014-08-28
Applicant: 北京交通大学
IPC: G06F19/00
Abstract: 本发明提供一种城轨列车转向架的故障预测与视情维修方法，采用基于生存分析的方法确定转向架的构架、弹簧装置、连接装置、轮对和轴箱、驱动机构、基础制动装置的最佳寿命分布模型，并得出各子系统的可靠性特征函数，然后采用进化算法优化的神经网络模型对转向架各子系统的故障率进行计算。最后，将转向架各子系统的故障率和安全运营天数作为协变量进行比例风险模型建模，在成本优化的基础上，得出转向架系统视情维修的阈值和控制限。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.01 seconds)
